大模型开发手记(十三):langchain skills(下):构建skills架构agent实战

news2026/3/24 10:30:42
目录前言一、整体架构预览二、实战2.1 第一步定义Skill文件酒店预订Skill景点推荐Skill2.2 第二步编写Skill加载工具2.3 第三步构建Skill中间件2.4 第四步创建agent.py第四步运行与验证三、扩展思路前言在上一篇博客中我们深入理解了Agent Skill的核心概念——它是一种通过渐进式披露来扩展Agent专业能力的模块化方式。理论说完了今天我们就来真刀真枪地实现一个。我们的目标构建一个旅行助手Agent它拥有两个独立的Skill酒店预订Skill包含酒店预订的业务规则、政策、操作流程。景点推荐Skill包含热门景点的介绍、推荐逻辑、注意事项。Agent启动时只知道这两个Skill的名字和一句话描述只有当你问及具体问题时它才会动态加载对应Skill的详细内容。一、整体架构预览travel-agent/├── skills/# 存放所有Skill│ ├── hotel_booking/# 酒店预订Skill目录│ │ ├── skill.json# 元数据name, description│ │ └── content.md# 详细内容业务规则、示例等│ └── attraction/# 景点推荐Skill目录│ ├── skill.json │ └── content.md ├── agent.py# 主程序构建Agent、加载Skill└── skill_loader.py# 工具函数从文件系统加载Skill核心流程Agent启动时扫描skills/目录读取所有子目录中的skill.json文件提取元数据名称描述。将这些元数据注入到系统提示词中让Agent“知道”自己有哪些能力。提供load_skill工具Agent可以在需要时调用它传入技能名称从而加载对应目录下content.md的完整内容。通过中间件自动完成系统提示词的注入。二、实战2.1 第一步定义Skill文件每个Skill都是一个独立的目录元数据和内容分离。未来新增Skill只需新建一个子目录并放入对应的skill.json和content.md即可。酒店预订Skill先定义元数据我们先创建skills/hotel_booking/skill.json这是酒店预订Skill的元数据{name:hotel_booking,description:酒店预订助手支持查询房型、预订流程、取消政策等。}再创建同目录下的skills/hotel_booking/content.md这是详细的技能内容# 酒店预订助手## 可用的酒店-海景大床房每晚680元含双早-山景双床房每晚520元含单早-行政套房每晚1280元含双早行政酒廊权益## 预订流程1.确认入住日期和离店日期2.选择合适的房型3.提供入住人姓名和联系电话4.确认订单后用户需支付30%定金5.入住当天18:00前可免费取消之后取消收取首晚房费## 注意事项-每间房最多入住2名成人1名儿童-加床服务每晚200元-宠物不可入内## 特殊政策-连住3晚以上可享受9折优惠-金卡会员可享延迟退房至14:00## 示例对话用户我想订一间海景大床房住两晚 助手好的海景大床房每晚680元两晚共1360元。请问您计划什么时候入住景点推荐Skill创建元数据skills/attraction/skill.json{name:attraction,description:城市景点推荐助手提供热门景点、游玩路线、门票信息等。}创建content.md文件存储详细的技能内容skills/attraction/content.md# 景点推荐助手## 热门景点### 滨海公园-门票免费-开放时间全天-推荐理由城市地标适合散步、骑行傍晚看日落### 古城文化街-门票30元-开放时间09:00-21:00-推荐理由明清建筑风格汇聚特色小吃和手工艺品### 海洋世界-门票成人180元儿童120元-开放时间09:00-17:30-推荐理由适合亲子游有海豚表演和海底隧道## 推荐逻辑-亲子游优先推荐海洋世界-文艺青年优先推荐古城文化街-休闲放松优先推荐滨海公园## 注意事项-节假日期间景点人流量大建议提前购票-古城文化街周末有民俗表演下午2点和4点各一场## 示例对话用户带孩子去哪里玩比较好 助手如果带孩子的话强烈推荐海洋世界里面有海豚表演和海底隧道孩子会很喜欢。成人票180元儿童票120元开放时间是09:00到17:30。2.2 第二步编写Skill加载工具创建skill_loader.py负责扫描目录、加载元数据和按需加载内容importjsonfrompathlibimportPathfromtypingimportDict,List,Optionalfromlangchain.toolsimporttool# Skill根目录SKILLS_ROOTPath(__file__).parent/skillsclassSkillLoader:负责加载Skill元数据和内容def__init__(self,skills_root:Path):self.skills_rootskills_root self._metadata_cache:Optional[List[Dict[str,str]]]Nonedefload_all_metadata(self)-List[Dict[str,str]]:扫描所有Skill目录返回元数据列表ifself._metadata_cacheisnotNone:returnself._metadata_cache metadata_list[]forskill_dirinself.skills_root.iterdir():ifnotskill_dir.is_dir():continuejson_pathskill_dir/skill.jsonifnotjson_path.exists():continuewithopen(json_path,r,encodingutf-8)asf:datajson.load(f)metadata_list.append({name:data[name],description:data[description]})self._metadata_cachemetadata_listreturnmetadata_listdefload_full_content(self,skill_name:str)-Optional[str]:根据技能名称加载完整的content.md内容forskill_dirinself.skills_root.iterdir():ifnotskill_dir.is_dir():continuejson_pathskill_dir/skill.jsonifnotjson_path.exists():continuewithopen(json_path,r,encodingutf-8)asf:datajson.load(f)ifdata[name]skill_name:content_pathskill_dir/content.mdifcontent_path.exists():withopen(content_path,r,encodingutf-8)ascf:returnf# 已加载技能{skill_name}\n\n{cf.read()}else:returnf技能{skill_name}缺少 content.md 文件returnNone# 全局加载器实例loaderSkillLoader(SKILLS_ROOT)tooldefload_skill(skill_name:str)-str:按需加载技能的详细内容。 当你需要某个技能的具体信息如业务规则、操作流程、详细知识时 调用此工具加载对应技能。 Args: skill_name: 技能名称可选值由系统提示词中的可用技能列表提供。 contentloader.load_full_content(skill_name)ifcontentisNone:available, .join(s[name]forsinloader.load_all_metadata())returnf未找到名为{skill_name}的技能。可用技能{available}returncontent这个类做了几件事load_all_metadata扫描skills/下的所有子目录读取skill.json提取name和description。load_full_content根据技能名称找到对应的目录读取其中的content.md文件返回完整的Markdown内容。通过tool装饰器将load_skill暴露给Agent使用。2.3 第三步构建Skill中间件中间件负责在模型调用前将技能元数据注入系统提示词。通过模型上下文的方式wrap_model_call中间件在模型调用前将所有skills的元数据名称描述注入到系统提示词中让agent清晰地知道自己有哪些技能。importuuidfromtypingimportCallablefromlangchain.agentsimportcreate_agentfromlangchain.agents.middlewareimportAgentMiddleware,ModelRequest,ModelResponsefromlangchain.messagesimportSystemMessagefromlangchain_openaiimportChatOpenAIfromlanggraph.checkpoint.memoryimportInMemorySaverfromskill_loaderimportloader,load_skillclassSkillMiddleware(AgentMiddleware):将技能列表注入系统提示词的中间件# 注册工具让Agent可以调用load_skilltools[load_skill]def__init__(self):# 启动时加载所有技能的元数据self.skills_metadataloader.load_all_metadata()self.skills_promptself._build_skills_prompt()def_build_skills_prompt(self)-str:生成技能列表的描述文本ifnotself.skills_metadata:return当前没有可用技能。lines[## 可用技能列表\n]forskillinself.skills_metadata:lines.append(f- **{skill[name]}**{skill[description]})lines.append(\n当你需要某个技能的详细内容时请调用 load_skill 工具加载。)return\n.join(lines)defwrap_model_call(self,request:ModelRequest,handler:Callable[[ModelRequest],ModelResponse],)-ModelResponse:在调用模型前将技能描述追加到系统消息中# 构建追加的内容addendumf\n\n{self.skills_prompt}# 获取原有系统消息的内容块并追加新内容original_blocksrequest.system_message.content_blocks new_blocksoriginal_blocks[{type:text,text:addendum}]new_system_messageSystemMessage(contentnew_blocks)# 用新的系统消息覆盖原请求modified_requestrequest.override(system_messagenew_system_message)returnhandler(modified_request)2.4 第四步创建agent.py创建agent配置中间件在invoke或者stream 启动时会将 所有skills的元数据名称描述注入到系统提示词中然后agent运行中会调用工具将skills核心内容加载到上下文中发送给大模型defmain():# 初始化模型请替换为你的API Key或使用其他模型modelChatOpenAI(modelgpt-4o-mini)# 创建Agent使用我们的中间件agentcreate_agent(model,system_prompt你是一个友好的旅行助手帮助用户解决酒店预订和景点推荐等问题。,middleware[SkillMiddleware()],checkpointerInMemorySaver(),)# 对话线程ID用于维护状态thread_idstr(uuid.uuid4())config{configurable:{thread_id:thread_id}}# 测试1询问酒店预订print( 测试酒店预订 )resultagent.invoke({messages:[{role:user,content:我想订一间海景大床房住两晚多少钱}]},config)formsginresult[messages]:ifhasattr(msg,pretty_print):msg.pretty_print()else:print(f{msg.type}:{msg.content})print(\n*50\n)# 测试2询问景点推荐print( 测试景点推荐 )resultagent.invoke({messages:[{role:user,content:带孩子去哪里玩比较好}]},config)formsginresult[messages]:ifhasattr(msg,pretty_print):msg.pretty_print()else:print(f{msg.type}:{msg.content})if__name____main__:main()第四步运行与验证测试1的输出Human:我想订一间海景大床房住两晚多少钱 AI:[调用工具 load_skill(skill_namehotel_booking)]Tool:[返回酒店Skill的完整Markdown内容]AI:根据酒店政策海景大床房每晚680元两晚总价为1360元。如需预订请提供入住日期和联系人信息。测试2的输出Human:带孩子去哪里玩比较好 AI:[调用工具 load_skill(skill_nameattraction)]Tool:[返回景点Skill的完整Markdown内容]AI:如果您带孩子出行我强烈推荐海洋世界这里有海豚表演和海底隧道非常适合亲子游玩。成人票180元儿童票120元开放时间为09:00-17:30。关键观察点初始对话Agent的系统提示词中只包含两个Skill的简短描述没有加载任何详细内容。按需加载当用户提出具体问题后Agent先判断需要哪个Skill然后调用load_skill获取完整内容。上下文精简整个对话历史中只加载了被使用的Skill的内容另一个Skill从未被加载。三、扩展思路这个基础实现已经足够演示核心机制但在实际项目中你可能会需要以下增强支持动态刷新Skill如果Skill目录下的文件在运行时被修改你可以让中间件在wrap_model_call中重新读取元数据或者提供一个reload_skills工具供管理员调用。更复杂的加载逻辑当前load_skill一次性返回整个content.md。如果Skill内容非常庞大如完整的产品手册你可以改为分块返回或者让Agent在Skill内进行“二次搜索”。Markdown格式天然支持分节你可以先返回目录再让Agent根据需要加载具体章节。为Skill关联工具有些Skill可能需要配套的工具比如酒店预订Skill应该有一个make_booking工具。你可以在load_skill被调用时动态向Agent注册这些工具。LangChain的ToolRuntime和Command机制可以实现这一点

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2438009.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…